Понимает изображения
Приложите скриншот или фотографию и спросите по ним — модель видит картинку, а не только подпись к ней.
Возможности
Приложите скриншот или фотографию и спросите по ним — модель видит картинку, а не только подпись к ней.
Зачем
Речь проверяется на слух до совмещения с картинкой
Имена и специальные слова проходят отдельную пробу
Аудиофайл получают только в поддерживающем синтез режиме
Цифры
Цены — те же, по которым идёт списание: и здесь, и в прайс-листе они берутся из одного источника.
Сравните тарифы моделей одного типа. Параметры генерации задаются в генераторе, списанная сумма видна рядом с готовым результатом.
| Модель | Цена |
|---|---|
| V1 Lite Image To Video — модель этой страницыстраница, которую вы читаете | 3,00 ₽ за секунду |
| V1 Lite Text To Video · ByteDance | 3,00 ₽ за секунду |
| V1 Pro Image To Video · ByteDance | 4,20 ₽ за секунду |
| V1 Pro Text To Video · ByteDance | 4,20 ₽ за секунду |
Вопросы
Учебный пример: «Спокойно прочитать: “Сначала посмотрите на общий план. Затем найдите маленькую лодку у берега”. Между предложениями естественная пауза, без торжественной подачи». Это задание для режима синтеза речи, а не обычной текстовой модели. Если аудиогенерация недоступна, помощник может подготовить дикторский текст, который вы запишете самостоятельно или передадите подходящему инструменту озвучки.
Прочитайте текст вслух в предполагаемом темпе или получите короткую пробу в поддерживаемом режиме. Сравните её с местом на монтажной шкале. Если фраза не помещается, сначала уберите повтор и сложную конструкцию, а не сжимайте речь до неестественной скорости. Указанное в запросе число секунд может быть пожеланием, поэтому фактическую длину аудиофайла нужно измерить после получения результата.
Выпишите трудные слова отдельно и проверьте их в коротких фразах. При поддержке специальных средств произношения используйте их по правилам инструмента; иначе попробуйте более ясную формулировку. Не считайте буквенную замену универсальным решением: она может звучать неправильно в другом контексте. Финальную дорожку прослушайте целиком, включая окончания, числительные и названия, а не только первые удачные секунды.
Разместите дорожку в отдельном монтажном редакторе, проверьте паузы между визуальными действиями и разборчивость на фоне музыки. Если в кадре говорящий человек, синхронизация губ является отдельной задачей с собственным режимом. Голос за кадром не требует липсинка. Не обещайте точное совпадение речи и изображения по одному текстовому запросу, если инструмент не предоставляет такой контроль.
Рядом
Дальше — весь каталог задач: поиск по названию, темы и фильтры.